Злиття AI та Web3: Аналіз сучасного стану та перспективи майбутнього
I. Вступ
В останні роки швидкий розвиток штучного інтелекту (AI) та технологій Web3 привернув широку увагу по всьому світу. Штучний інтелект досяг значних успіхів у таких сферах, як розпізнавання облич, обробка природної мови, машинне навчання, що принесло величезні зміни та інновації в різних галузях. Web3 як нова мережна модель змінює наше сприйняття та використання Інтернету.
Ринок штучного інтелекту у 2023 році досягне обсягу 200 мільярдів доларів США, такі гіганти, як OpenAI, Character.AI, Midjourney, швидко зростають. Ринкова капіталізація індустрії Web3 досягла 25 трильйонів доларів США, проекти Bitcoin, Ethereum, Solana з'являються один за одним. Поєднання штучного інтелекту та Web3 стало сфокусованою областю для builder'ів та венчурних капіталістів з Сходу та Заходу.
Ця стаття розгляне поточний стан розвитку AI+Web3, потенційну цінність та вплив. Ми проаналізуємо стан поточних проектів, обмеження та виклики, щоб надати інсайти інвесторам та практикам.
Два, способи взаємодії AI та Web3
2.1 Виклики, з якими стикається AI-індустрія
Основними складовими індустрії штучного інтелекту є обчислювальна потужність, алгоритми та дані.
Потужність: Завдання ШІ потребують великої кількості обчислювальних ресурсів, отримання та управління масштабною потужністю є дорогим. Це особливо важко для стартапів та індивідуальних розробників.
Алгоритм: незважаючи на величезні успіхи алгоритмів глибокого навчання, все ще існують проблеми. Для навчання потрібні великі обсяги даних та обчислювальні ресурси, недостатня інтерпретація моделей, а також необхідно покращити робастність і здатність до узагальнення.
Дані: важко отримати високоякісні та різноманітні дані. У деяких сферах дані важко отримати, також є проблеми з якістю даних та маркуванням. Захист конфіденційності та безпеки даних також є важливими факторами.
Крім того, проблеми недостатньої пояснюваності та прозорості AI моделей, а також неясні бізнес-моделі потребують термінового вирішення.
2.2 Проблеми, з якими стикається індустрія Web3
У галузі Web3 ще є простір для покращення в аналізі даних, користувацькому досвіді та безпеці смарт-контрактів. ШІ, як інструмент підвищення продуктивності, має великий потенціал у цих сферах.
Три. Аналіз поточного стану проектів AI+Web3
3.1 Web3 сприяє AI
3.1.1 Децентралізовані обчислення
Зі зростанням попиту на ШІ, постачання GPU не встигає. Деякі Web3 проекти намагаються запропонувати децентралізовані обчислювальні послуги через токенізацію, такі як Akash, Render, Gensyn тощо.
Цей тип проєктів заохочує користувачів надавати безкоштовну обчислювальну потужність GPU через токени, щоб забезпечити підтримку обчислювальної потужності для AI-клієнтів. Сторона пропозиції в основному складається з постачальників хмарних послуг, майнерів криптовалюти та великих підприємств.
Проект в основному поділяється на два типи: один тип використовується для AI-інференції (, наприклад, Render, Akash ), інший тип використовується для AI-навчання (, наприклад, io.net, Gensyn ). Основна різниця полягає в різних вимогах до обчислювальної потужності.
io.net як представницький проєкт, наразі кількість GPU перевищує 500 тисяч, вже інтегровано потужність Render і Filecoin, екосистема постійно розвивається.
3.1.2 Децентралізовані алгоритмічні моделі
Наприклад, у Bittensor, сторона постачання алгоритмічної моделі надає моделі машинного навчання мережі, отримуючи винагороду у токенах. Мережа використовує механізм консенсусу для забезпечення найкращої відповіді. Токен TAO використовується для стимулювання майнерів до внесення алгоритмічних моделей та сплати користувачами за використання.
3.1.3 Децентралізований збір даних
Здійснення децентралізованого збору даних за допомогою токенних стимулів. Наприклад, PublicAI дозволяє користувачам збирати AI-дані в соціальних мережах та отримувати винагороду у вигляді токенів. Ocean збирає дані користувачів для обслуговування AI через токенізацію даних.
3.1.4 ZK захист користувацької конфіденційності в AI
Технологія нульового знання може забезпечити перевірку інформації, захищаючи при цьому конфіденційність. ZKML дозволяє навчання та інференцію моделей без розкриття вихідних даних. BasedAI пропонує інтеграцію FHE з LLM для захисту конфіденційності даних.
3.2 AI допомагає Web3
3.2.1 Аналіз даних та прогнозування
Багато проектів Web3 інтегрують AI-сервіси для аналізу даних та прогнозування. Наприклад, Pond прогнозує цінність токенів за допомогою AI-алгоритмів, BullBear AI прогнозує цінові тенденції, а Numerai проводить конкурси на прогнозування фондового ринку за допомогою AI.
3.2.2 Персоналізовані послуги
Web3 проекти інтегрують AI для оптимізації користувацького досвіду. Наприклад, Dune запустила інструмент Wand для генерації SQL запитів за допомогою AI, Followin та IQ.wiki інтегрували ChatGPT для підсумовування контенту, а NFPrompt використовує AI для генерування NFT, зменшуючи витрати на створення.
3.2.3 AI аудит смарт-контрактів
Штучний інтелект може більш ефективно та точно виявляти вразливості в коді смарт-контрактів. Наприклад, 0x0.ai пропонує AI-інструмент для аудиту смарт-контрактів, який використовує машинне навчання для виявлення потенційних проблем.
Чотири. Обмеження та виклики проектів AI+Web3
4.1 Реальні перешкоди, з якими стикається децентралізована обчислювальна потужність
Продукти централізованих обчислень можуть мати кращу продуктивність та стабільність.
Доступність залежить від ступеня відповідності попиту та пропозиції
Висока технічна складність, високий поріг використання для користувачів
Наразі головним чином обмежено AI-інференцією, важко проводити масштабне AI-навчання
Аналіз причин:
Для навчання ШІ потрібна величезна кількість даних та пропускної здатності, децентралізація важко може це забезпечити.
Вимоги до навчання великих моделей: висока стабільність, висока вартість перерв.
Переваги комунікації між картами NVLink від NVIDIA очевидні, децентралізацію важко реалізувати
4.2 AI+Web3 поєднання є відносно грубим
Більшість проектів лише на поверхневому рівні використовують ШІ, не досягнувши глибокої інтеграції.
Багато команд використовують концепцію AI лише на маркетинговому рівні, недостатньо інновацій.
4.3 Токеноміка стала буфером у наративі AI-проектів
Деякі проекти використовують Web3 наратив та токеноміку для сприяння участі користувачів
Чи справді токеноміка вирішує реальні потреби AI-проєктів, варто обговорити.
Більшість проектів ще не досягли стадії практичного використання
П'ять, підсумок
Поєднання AI та Web3 відкриває безмежні можливості для майбутніх технологічних інновацій та економічного розвитку. AI може надати Web3 більш розумні сценарії застосування, а децентралізовані характеристики Web3 також створюють нові можливості для розвитку AI. Хоча нині проєкти все ще перебувають на ранній стадії та стикаються з численними викликами, вони також приносять переваги, такі як децентралізація та прозорість.
В майбутньому поєднання AI та Web3 обіцяє створити більш розумні, відкриті та справедливі економічні та соціальні системи. Ключовим є поглиблене дослідження та інновації, що дозволяють досягти тісної інтеграції AI та криптовалют, створюючи оригінальні та значущі рішення в різних сферах.
Переглянути оригінал
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
13 лайків
Нагородити
13
4
Поділіться
Прокоментувати
0/400
GasFeeThunder
· 19год тому
у блокчейні дані виглядають неправильно... почекаю, щоб подивитися пізніше
Переглянути оригіналвідповісти на0
CantAffordPancake
· 19год тому
Трильйонний ринок, так? Навіть собаки не грають.
Переглянути оригіналвідповісти на0
GateUser-75ee51e7
· 19год тому
Знову малюють картину і розповідають історії про AI та Web3
Переглянути оригіналвідповісти на0
DataPickledFish
· 19год тому
Знову знову знову говорять про AI та Web3~ Ця риба хоче подивитися, як довго вони зможуть говорити.
Стан інтеграції AI та Web3: можливості та виклики
Злиття AI та Web3: Аналіз сучасного стану та перспективи майбутнього
I. Вступ
В останні роки швидкий розвиток штучного інтелекту (AI) та технологій Web3 привернув широку увагу по всьому світу. Штучний інтелект досяг значних успіхів у таких сферах, як розпізнавання облич, обробка природної мови, машинне навчання, що принесло величезні зміни та інновації в різних галузях. Web3 як нова мережна модель змінює наше сприйняття та використання Інтернету.
Ринок штучного інтелекту у 2023 році досягне обсягу 200 мільярдів доларів США, такі гіганти, як OpenAI, Character.AI, Midjourney, швидко зростають. Ринкова капіталізація індустрії Web3 досягла 25 трильйонів доларів США, проекти Bitcoin, Ethereum, Solana з'являються один за одним. Поєднання штучного інтелекту та Web3 стало сфокусованою областю для builder'ів та венчурних капіталістів з Сходу та Заходу.
Ця стаття розгляне поточний стан розвитку AI+Web3, потенційну цінність та вплив. Ми проаналізуємо стан поточних проектів, обмеження та виклики, щоб надати інсайти інвесторам та практикам.
Два, способи взаємодії AI та Web3
2.1 Виклики, з якими стикається AI-індустрія
Основними складовими індустрії штучного інтелекту є обчислювальна потужність, алгоритми та дані.
Потужність: Завдання ШІ потребують великої кількості обчислювальних ресурсів, отримання та управління масштабною потужністю є дорогим. Це особливо важко для стартапів та індивідуальних розробників.
Алгоритм: незважаючи на величезні успіхи алгоритмів глибокого навчання, все ще існують проблеми. Для навчання потрібні великі обсяги даних та обчислювальні ресурси, недостатня інтерпретація моделей, а також необхідно покращити робастність і здатність до узагальнення.
Дані: важко отримати високоякісні та різноманітні дані. У деяких сферах дані важко отримати, також є проблеми з якістю даних та маркуванням. Захист конфіденційності та безпеки даних також є важливими факторами.
Крім того, проблеми недостатньої пояснюваності та прозорості AI моделей, а також неясні бізнес-моделі потребують термінового вирішення.
2.2 Проблеми, з якими стикається індустрія Web3
У галузі Web3 ще є простір для покращення в аналізі даних, користувацькому досвіді та безпеці смарт-контрактів. ШІ, як інструмент підвищення продуктивності, має великий потенціал у цих сферах.
Три. Аналіз поточного стану проектів AI+Web3
3.1 Web3 сприяє AI
3.1.1 Децентралізовані обчислення
Зі зростанням попиту на ШІ, постачання GPU не встигає. Деякі Web3 проекти намагаються запропонувати децентралізовані обчислювальні послуги через токенізацію, такі як Akash, Render, Gensyn тощо.
Цей тип проєктів заохочує користувачів надавати безкоштовну обчислювальну потужність GPU через токени, щоб забезпечити підтримку обчислювальної потужності для AI-клієнтів. Сторона пропозиції в основному складається з постачальників хмарних послуг, майнерів криптовалюти та великих підприємств.
Проект в основному поділяється на два типи: один тип використовується для AI-інференції (, наприклад, Render, Akash ), інший тип використовується для AI-навчання (, наприклад, io.net, Gensyn ). Основна різниця полягає в різних вимогах до обчислювальної потужності.
io.net як представницький проєкт, наразі кількість GPU перевищує 500 тисяч, вже інтегровано потужність Render і Filecoin, екосистема постійно розвивається.
3.1.2 Децентралізовані алгоритмічні моделі
Наприклад, у Bittensor, сторона постачання алгоритмічної моделі надає моделі машинного навчання мережі, отримуючи винагороду у токенах. Мережа використовує механізм консенсусу для забезпечення найкращої відповіді. Токен TAO використовується для стимулювання майнерів до внесення алгоритмічних моделей та сплати користувачами за використання.
3.1.3 Децентралізований збір даних
Здійснення децентралізованого збору даних за допомогою токенних стимулів. Наприклад, PublicAI дозволяє користувачам збирати AI-дані в соціальних мережах та отримувати винагороду у вигляді токенів. Ocean збирає дані користувачів для обслуговування AI через токенізацію даних.
3.1.4 ZK захист користувацької конфіденційності в AI
Технологія нульового знання може забезпечити перевірку інформації, захищаючи при цьому конфіденційність. ZKML дозволяє навчання та інференцію моделей без розкриття вихідних даних. BasedAI пропонує інтеграцію FHE з LLM для захисту конфіденційності даних.
3.2 AI допомагає Web3
3.2.1 Аналіз даних та прогнозування
Багато проектів Web3 інтегрують AI-сервіси для аналізу даних та прогнозування. Наприклад, Pond прогнозує цінність токенів за допомогою AI-алгоритмів, BullBear AI прогнозує цінові тенденції, а Numerai проводить конкурси на прогнозування фондового ринку за допомогою AI.
3.2.2 Персоналізовані послуги
Web3 проекти інтегрують AI для оптимізації користувацького досвіду. Наприклад, Dune запустила інструмент Wand для генерації SQL запитів за допомогою AI, Followin та IQ.wiki інтегрували ChatGPT для підсумовування контенту, а NFPrompt використовує AI для генерування NFT, зменшуючи витрати на створення.
3.2.3 AI аудит смарт-контрактів
Штучний інтелект може більш ефективно та точно виявляти вразливості в коді смарт-контрактів. Наприклад, 0x0.ai пропонує AI-інструмент для аудиту смарт-контрактів, який використовує машинне навчання для виявлення потенційних проблем.
Чотири. Обмеження та виклики проектів AI+Web3
4.1 Реальні перешкоди, з якими стикається децентралізована обчислювальна потужність
Аналіз причин:
4.2 AI+Web3 поєднання є відносно грубим
4.3 Токеноміка стала буфером у наративі AI-проектів
П'ять, підсумок
Поєднання AI та Web3 відкриває безмежні можливості для майбутніх технологічних інновацій та економічного розвитку. AI може надати Web3 більш розумні сценарії застосування, а децентралізовані характеристики Web3 також створюють нові можливості для розвитку AI. Хоча нині проєкти все ще перебувають на ранній стадії та стикаються з численними викликами, вони також приносять переваги, такі як децентралізація та прозорість.
В майбутньому поєднання AI та Web3 обіцяє створити більш розумні, відкриті та справедливі економічні та соціальні системи. Ключовим є поглиблене дослідження та інновації, що дозволяють досягти тісної інтеграції AI та криптовалют, створюючи оригінальні та значущі рішення в різних сферах.